論文の概要: Efficient Temporally-Aware DeepFake Detection using H.264 Motion Vectors

• arxiv url: http://arxiv.org/abs/2311.10788v2
• Date: Thu, 22 Feb 2024 20:51:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-26 17:49:31.898932
• Title: Efficient Temporally-Aware DeepFake Detection using H.264 Motion Vectors
• Title（参考訳）: H.264を用いた時間的深度検出の効率化 動きベクトル
• Authors: Peter Gr\"onquist, Yufan Ren, Qingyi He, Alessio Verardo, Sabine S\"usstrunk
• Abstract要約: Video DeepFakesはDeep Learning(DL)で作成された偽のメディアで、人の表情やアイデンティティを操作する。 本稿では,DeepFakesにおける時間的不整合を検出するために,MV(Motion Vectors)とIM(Information Masks)を併用することを提案する。
• 参考スコア（独自算出の注目度）: 3.38055663003043
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video DeepFakes are fake media created with Deep Learning (DL) that manipulate a person's expression or identity. Most current DeepFake detection methods analyze each frame independently, ignoring inconsistencies and unnatural movements between frames. Some newer methods employ optical flow models to capture this temporal aspect, but they are computationally expensive. In contrast, we propose using the related but often ignored Motion Vectors (MVs) and Information Masks (IMs) from the H.264 video codec, to detect temporal inconsistencies in DeepFakes. Our experiments show that this approach is effective and has minimal computational costs, compared with per-frame RGB-only methods. This could lead to new, real-time temporally-aware DeepFake detection methods for video calls and streaming.
• Abstract（参考訳）: Video DeepFakesはDeep Learning(DL)で作成された偽のメディアで、人の表情やアイデンティティを操作する。 現在のDeepFake検出手法のほとんどは、フレーム間の不整合や不自然な動きを無視して、各フレームを独立して解析する。 より新しい手法では、この時間的側面を捉えるために光フローモデルを用いるが、計算的に高価である。 対照的に,H.264ビデオコーデックの動作ベクトル(MV)と情報マスク(IM)を用いて,DeepFakeの時間的不整合を検出することを提案する。 実験の結果,本手法は実効性が高く,計算コストが最小であることがわかった。 これは、ビデオ通話とストリーミングのための、時間的に認識された新しいDeepFake検出方法につながる可能性がある。

関連論文リスト

• The Effectiveness of Temporal Dependency in Deepfake Video Detection [0.0]
  本稿では,時間的情報によって深層学習モデルの深部学習性能が向上するかどうかを検討する。 その結果,時間依存性は実画像の分類において統計的に顕著な増加をもたらすことがわかった。
  論文  参考訳（メタデータ） (2022-05-13T14:39:25Z)
• Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
  本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。 短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
  論文  参考訳（メタデータ） (2022-03-14T17:55:41Z)
• Object Propagation via Inter-Frame Attentions for Temporally Stable Video Instance Segmentation [51.68840525174265]
  ビデオインスタンスセグメンテーションは、ビデオ内のオブジェクトを検出し、セグメンテーションし、追跡することを目的としている。 現在のアプローチでは、画像レベルのセグメンテーションアルゴリズムを時間領域に拡張している。 本稿では,検出の欠如による問題を解消するビデオインスタンス分割手法を提案する。
  論文  参考訳（メタデータ） (2021-11-15T04:15:57Z)
• Spatiotemporal Inconsistency Learning for DeepFake Video Detection [51.747219106855624]
  本稿では,水平方向と垂直方向の両方で隣接するフレーム間の時間差を利用して,TIMにおける新しい時間的モデリングパラダイムを提案する。 ISMは、SIMからの空間情報とTIMからの時間情報とを同時に利用し、より包括的な時空間表現を確立する。
  論文  参考訳（メタデータ） (2021-09-04T13:05:37Z)
• Identity-Driven DeepFake Detection [91.0504621868628]
  アイデンティティ駆動のDeepFake Detectionは、被疑者画像/ビデオとターゲットのアイデンティティ情報を入力する。 被疑者画像・映像の同一性は対象人物と同一かという判断を出力する。 本稿では,新たな研究のベースラインとして,簡単な識別ベース検出アルゴリズムであるouterfaceを提案する。
  論文  参考訳（メタデータ） (2020-12-07T18:59:08Z)
• Spatio-temporal Features for Generalized Detection of Deepfake Videos [12.453288832098314]
  我々は3D CNNによってモデル化された時間的特徴を提案し、新しい種類のディープビデオを検出する能力を拡張した。 提案手法は,一般化能力において既存手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-22T16:28:50Z)
• Blind Video Temporal Consistency via Deep Video Prior [61.062900556483164]
  視覚的ビデオの時間的整合性に対する新規で一般的なアプローチを提案する。 本手法は,一対のオリジナルビデオとプロセッシングビデオを直接トレーニングするのみである。 本稿では,Deep Video Priorを用いてビデオ上の畳み込みネットワークをトレーニングすることにより,時間的一貫性を実現することができることを示す。
  論文  参考訳（メタデータ） (2020-10-22T16:19:20Z)
• A Convolutional LSTM based Residual Network for Deepfake Video Detection [23.275080108063406]
  我々は、深層ビデオを検出するための畳み込みLSTMベースのResidual Network(CLRNet)を開発した。 また,異なるディープフェイク手法を一般化するための伝達学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T05:57:06Z)
• Sharp Multiple Instance Learning for DeepFake Video Detection [54.12548421282696]
  我々はDeepFakeビデオに、ビデオレベルのラベルのみを提供するが、フェイクビデオのすべての顔が操作されるわけではない部分的な顔攻撃という新しい問題を導入する。 インスタンス埋め込みからバッグ予測への直接マッピングを構築する鋭いMIL(S-MIL)を提案する。 FFPMSと広く使われているDFDCデータセットの実験により、S-MILは部分的に攻撃されたDeepFakeビデオ検出において他の手法よりも優れていることが確認された。
  論文  参考訳（メタデータ） (2020-08-11T08:52:17Z)
• Deepfake Detection using Spatiotemporal Convolutional Networks [0.0]
  ディープフェイク検出法は個々のフレームのみを使用し、時間情報から学習することができない。 我々はCeleb-DFデータセットを用いて性能のベンチマークを作成した。 提案手法は,最先端のフレームベース検出法より優れていた。
  論文  参考訳（メタデータ） (2020-06-26T01:32:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。